基于数据挖掘的个性化远程教育系统的研究

《基于数据挖掘的个性化远程教育系统的研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于数据挖掘的个性化远程教育系统的研究摘要本文从目前远程X络教育存在的问题出发，通过对学生在学习时产生的各种信息进行数据挖掘，从而构建了一个智能化、个性化的学习系统，对于学生学习时存在的差异性，给出了一种解决方案。　　关键词远程教育个性化数据挖掘智能系统　　：G43：A　　　　　　1远程X络教学的现状　　随着计算机X络的不断发展，远程教育已经逐步成为诸多高校的一种重要教学手段，这种X络教学突破了传统教学模式时间和空间上的限制，具有信息量大、覆盖面广、随意性强等特点，为更多的人提供了接受高等教育的机会。然而，经过对各类远程教育系统的调查与学生的信息的反馈，可以发现不少系统仍存在一定的问

2、题：　　（1）动态交互性差，学习模式较为死板与被动。现有的远程教育站点其教学内容在表现形式上基本上都是以静态X页的形式发布在X站上，一旦放上去后，就很少进行更新与修改。同时，教学课件的设计者并不知道他的教学内容是否合理，是否符合教学规律，页面之间的链接是否适应学生的访问习惯和学习内容进度的安排。学生只能是按静态课件所设计的顺序按部就班的学习，对以往学习中存有疑问的知识点及可能感兴趣的知识无法主动获取，这极大的限制了学生学习的自主性及积极性，从而不能达到最佳的教学效果。　　（2）不能根据学生本人的情况因材施教，缺乏个性化教学。无论哪个学生访问该站点，其教学策略、教学内容及授课顺序都是一

3、样的，站点不能根据学生的自身情况提供适合于他个人的学习习惯、学习能力、学习进度的安排，结果使学生的个性无法发挥。　　（3）系统测评功能不强。但是其评价测试结果并没有和学生下一步学习相联系，并没有给出学生在今后学习过程中所要注意的学习重点和难点，对学生个人的学习方式也没加以纠正和引导，缺乏对学生学习整个过程的监控管理。　　这些问题的出现不仅严重地制约了学生在接受远程教育时的学习效果，同时也成为了远程教育这一教学模式进一步完善和发展的瓶颈。　　2个性化远程教育系统的构想　　针对当今远程教育模式存在的诸多问题，主要是由于学习系统忽视了学生在学习过程中存在的差异性，例如每个人的学习目标不同、

4、学习兴趣不同、学习能力不同、学习方式不同等等。经过多年来远程教育的不断摸索与实践，各大高校也都积累了一定的X络资源，包括各种学生的注册信息、登陆信息、浏览历史、作业信息、测试信息、答疑信息、浏览习惯、等等。如何从这些庞大的数据信息中找出学生学习的规律，并且与教学资源有效地结合起来，从而构建一个智能化、个性化的X络学习系统，将成为解决远程教育模式缺陷的关键。　　随着计算机技术的发展，特别是数据库管理系统的广泛应用，人们所积累的数据量越来越大，要从如此庞大的数据背后找出隐藏的有效信息，数据挖掘已经成为一种十分有效的手段。在进行数据挖掘时，首先要对数据库进行信息的收集，然后经过数据处理从而

5、构建数据仓库，最后进行信息分析从而得到有用的知识。　　通过数据库及WEB缓存对以往学生的学习信息进行数据挖掘是我们构建个性化学习系统的第一步，这是一个十分复杂并且数据分析量很大的过程。在这个过程中我们的目的是利用数据统计及关联规则找出学生学习的规律，构建一个动态的个性化学习知识库，这是个性化学习系统的核心模块。该模块的动态化表现在，最先得到的只是一个初始模型，在系统的不断运作中通过对学生学习行为信息的采集进行知识的及时更新与归纳，以便对该学生的个性化学习进行准确的反馈。　　在这个模块中主要包括三个智能引擎：学习内容智能推荐引擎、学习难易程度变更引擎、学习方式智能推荐引擎。对于学习内容

6、的推荐，我们可以效仿如今许多购物X站上的推荐模式，例如“购买了该物品的顾客还购买了XXX”，这种提示性的营销模式会挖掘出顾客潜在的未被认识到的需求，同样我们可以把它应用在学习内容推荐上。经过数据挖掘，利用关键词并根据大量以往学生在学习时的浏览记录，以及课程内容之间的关联程度，我们能归纳出一张学习内容关联表，大到课程小到章节。例如，学习了市场营销这门课的同学有80%都学习了客户关系管理，50%还学习了电子商务；在学习C语言这门课中的数组这一节时，系统会提示该节内容与指针相关，并提供相关的推荐链接。这样，学生在学习时能更好地实现相关课程与章节之间的联系，使知识结构更为紧密。同时，在学生学

7、习的过程中，通过对作业、测试、答疑信息进行评分，分数的高低表示学生对于相关内容的掌握情况；另外可以对浏览次数及浏览时间进行分析，次数多时间长的可能表示对于该课程有较大的兴趣，从而决定相关学习内容的的推荐情况与难易程度。对于学生兴趣大并且掌握情况好的课程，可以适当加深难度，并且在学习过程中不断进行反馈，根据学生的学习能力进行及时地调整。对于学习方式的推荐，可以根据学生学习时的浏览习惯进行判断，例如学生经常通过在线视频进行学习，系统会自动从X络中搜索到相关的名